[0001] Die vorliegende Erfindung betrifft ein Verfahren zur Erkennung und Verfolgung von
Objekten auf der Basis von von einem Sensor, insbesondere einem Laserscanner, erfaßten,
bevorzugt geschwindigkeits- oder tiefenaufgelösten, Bildpunkte enthaltenden Bildern
von Gegenständen in einem Sichtbereich des Sensors, bei dem die Erkennung und Verfolgung
unter Verwendung von den Objekten zugeordneten Modellen für die zeitliche Entwicklung
von Zustandsvariablen erfolgt, die jeweils einen zeitlich veränderlichen Zustand des
Objekts beschreiben und Zustandsvariablen zur Bestimmung der Position des jeweiligen
Objekts umfassen, bei dem aus den Bildpunkten des aktuellen Bildes Segmente gebildet
werden, die jeweils einen einzelnen Bildpunkt oder eine Menge aller Bildpunkte umfassen,
von denen jeweils mindestens zwei entsprechend wenigstens einem Segmentierungskriterium
als dem Segment zugehörig definiert werden, und die untereinander keine gemeinsamen
Bildpunkte aufweisen, bei dem eine Zuordnung von Segmenten eines aktuellen Bildes
zu Objekten erfolgt, und bei dem abhängig von der Lage der Bildpunkte in den Segmenten
und von dem Modell Schätzwerte der Zustandsvariablen zur Bestimmung der Position der
jeweiligen Objekte ermittelt werden.
[0002] Verfahren der obengenannten Art sind grundsätzlich bekannt. Sie können unter anderem
dazu verwendet werden, den in Fahrtrichtung vor einem Fahrzeug liegenden Bereich zu
überwachen. Dabei sollen insbesondere die Bewegungen von Gegenständen vor dem Fahrzeug
erfaßt werden, um gegebenenfalls geeignete Reaktionen einleiten zu können.
[0003] Da Gegenstände bei einem solchen Verfahren in einem Bild nicht unbedingt durch ein
Segment dargestellt werden, wenn sie zum ersten Mal in einem Bild auftreten, kann
es schwierig sein, ein Objekt bei seinem ersten Auftreten korrekt zu identifizieren.
Insbesondere kann es schwierig sein, mehrere Segmente zu einem Objekt zusammenzufassen,
wenn gleichzeitig die Möglichkeit besteht, daß diese Segmente auch mehreren neuen
Objekten zugeordnet werden könnten. Eine unzutreffende Generierung neuer Objekte kann
jedoch in folgenden Verfahrensschritten zu wesentlichen Komplikationen führen, da
entweder Objekte "zerfallen" oder zu einem neuen Objekt zusammengefaßt werden müssen.
Solche Fehlinterpretationen können insbesondere bei der Überwachung von Verkehr vor
einem Fahrzeug zu Fehlern führen, die die Funktionsfähigkeit eines mit dem Verfahren
arbeitenden Systems deutlich beeinträchtigen können.
[0004] Es ist Aufgabe der vorliegenden Erfindung, ein gattungsgemäßes Verfahren anzugeben,
bei dem die Gefahr von Fehlinterpretationen von Bildern minimiert ist.
[0005] Die Aufgabe wird gelöst durch ein gattungsgemäßes Verfahren mit den Merkmalen des
kennzeichnenden Teils des Anspruchs 1.
[0006] Das erfindungsgemäße Verfahren ist dadurch gekennzeichnet, daß aus verfügbaren Segmenten
hypothetische Objekte gebildet werden, denen eine Wahrscheinlichkeit für die Existenz
eines dem hypothetischen Objekt entsprechenden Gegenstands zugeordnet wird und für
die in wenigstens einer folgenden Iteration des Verfahrens eine Erkennung und Verfolgung
sowie eine Aktualisierung der Wahrscheinlichkeit durchgeführt wird.
[0007] Unter einem geschwindigkeits- oder tiefenaufgelösten Bild eines Sensors für elektromagnetische
Strahlung wird eine Menge von bei einer Abtastung des Sichtbereichs des Sensors erfaßten
Bildpunkten verstanden, denen Punkte bzw. je nach Auflösung des Sensors auch Bereiche
eines von dem Sensor erfaßten Gegenstands entsprechen, wobei die Bildpunkte der Lage
der zugehörigen Gegenstandspunkte entsprechende Koordinaten in wenigstens zwei Dimensionen
umfassen, die nicht beide senkrecht zur Blickrichtung des Sensors stehen.
[0008] Bei dem gattungsgemäßen Verfahren werden Bilder eines Sensors benutzt. Hierbei kann
es sich um zweidimensionale Bilder eines Videosensors handeln.
[0009] Es werden jedoch bevorzugt geschwindigkeits- oder tiefenaufgelöste Bilder eines Sensors
verwendet. Unter einem geschwindigkeits- bzw. tiefenaufgelösten Bild eines Sensors
wird in dieser Anmeldung eine Menge von bei einer Abtastung des Sichtbereichs des
Sensors erfaßten Bildpunkten verstanden, denen Punkte bzw. je nach Auflösung des Sensors
auch Bereiche eines von dem Sensor erfaßten Gegenstands entsprechen, wobei den Bildpunkten
der Geschwindigkeit bzw. der Lage der zugehörigen Gegenstandspunkte entsprechende
Koordinaten in mindestens zwei Dimensionen zugeordnet sind, die nicht beide senkrecht
zur Blickrichtung des Sensors stehen. Die Bildpunkte können weiterhin Daten über weitere,
insbesondere optische, Eigenschaften der Gegenstandspunkte, beispielsweise deren Reflektivität,
enthalten. Diese Daten werden im folgenden als optische Eigenschaften der Bildpunkte
bezeichnet.
[0010] Sensoren zur Erfassung solcher geschwindigkeits- oder tiefenaufgelöster Bilder sind
grundsätzlich bekannt.
[0011] Hierbei kann es sich beispielsweise um Ultraschallsensoren handeln.
[0012] Vorzugsweise werden Sensoren für elektromagnetische Strahlung verwendet.
[0013] Hierbei kann es sich beispielsweise um Radarsensoren handeln. Vorzugsweise werden
bei diesen Geschwindigkeiten der Gegenstandspunkte verfolgt.
[0014] Besonders bevorzugt kann es sich bei den Sensoren für elektromagnetische Strahlung
um optoelektronische Sensoren handeln, die eine gute Ortsauflösung bieten und daher
für das erfindungsgemäße Verfahren bevorzugt sind. So können beispielsweise Systeme
mit Stereo-Videokameras verwendet werden, die eine Einrichtung zur Umsetzung der von
den Kameras aufgenommenen Rohdaten in tiefenaufgelöste Bilder aufweisen.
[0015] Vorzugsweise werden jedoch Laserscanner verwendet, die bei einer Abtastung einen
Sichtbereich mit mindestens einem gepulsten Strahlungsbündel abtasten, das einen vorgegebenen
Winkelbereich überstreicht und von einem Punkt bzw. Bereich eines Gegenstands, meist
diffus, reflektierte Strahlungspulse des Strahlungsbündels detektieren. Dabei wird
zur Entfernungsmessung die Laufzeit der ausgesandten, reflektierten und detektierten
Strahlungspulse erfaßt. Die so erfaßten Rohdaten für einen Bildpunkt können dann als
Koordinaten den Winkel, bei dem der Reflex erfaßt wurde, und die aus der Laufzeit
der Strahlungspulse bestimmte Entfernung des Gegenstandspunkts enthalten. Bei der
Strahlung kann es sich insbesondere um sichtbares oder infrarotes Licht handeln.
[0016] Unter Zustandsvariablen werden Variablen verstanden, die jeweils einen zeitlich veränderlichen
Zustand des Objekts beschreiben, der wenigstens näherungsweise einem ebenso zeitlich
veränderlichen Zustand des Gegenstands entspricht, der durch das Objekt dargestellt
wird. Bei den sensorspezifischen Zustandsvariablen kann es sich insbesondere um solche
handeln, die dem Typ der von dem Sensor erfaßten Meßdaten entsprechen. Bei Sensoren,
die geschwindigkeitsaufgelöste Bilder erfassen, können insbesondere entsprechende,
die Geschwindigkeit eines Gegenstands bzw. des dieses darstellenden Objekts beschreibende
Zustandsvariablen, bei tiefenaufgelösten Bildern die Position eines Gegenstands bzw.
des dieses darstellenden Objekts verwendet werden.
[0017] Die Erkennung und Verfolgung von Objekten erfolgt dabei auf der Basis von Modellen,
mit denen die zeitliche Entwicklung der Zustandsvariablen wenigstens näherungsweise
beschreibbar ist, wobei sich Art und Komplexität der Modelle u.a. nach dem Objekterkennungs-
und -verfolgungsverfahren sowie der Art der typischerweise auftretenden, zu verfolgenden
Gegenstände richten kann.
[0018] Aus den Bildpunkten eines aktuellen Bildes werden Segmente gebildet, die jeweils
einen einzelnen Bildpunkt oder eine Menge aller Bildpunkte umfassen, von denen jeweils
mindestens zwei entsprechend wenigstens einem Kriterium für einen maximal zulässigen
Abstand als dem Segment zugehörig definiert werden, und die untereinander keine gemeinsamen
Bildpunkte aufweisen. Bei dem bzw. den Kriterien für den Abstand kann es sich insbesondere
um den euklidischen Abstand der Objektpositionen handeln, der für eine Segmentzugehörigkeit
einen vorgegebenen Maximalwert nicht überschreiten darf, oder um die Beträge der Differenzen
der Koordinaten der Positionen in einem vorgegebenen Koordinatensystem, beispielsweise
einem kartesischen Koordinatensystem oder einem Polarkoordinatensystem, wobei eine
Segmentzugehörigkeit erkannt wird, wenn die Beträge in beiden Richtungen des Koordinatensystems
jeweils gegebenenfalls unterschiedliche Maximalwerte unterschreiten.
[0019] Es erfolgt dann eine Zuordnung von Segmenten eines aktuellen Bildes zu Objekten.
Danach werden abhängig von der Lage der Bildpunkte in den Segmenten und dem Modell
Schätzwerte der Zustandsvariablen zur Bestimmung der Position der jeweiligen Objekte
ermittelt.
[0020] Erfindungsgemäß werden aus verfügbaren Segmenten hypothetische Objekte gebildet,
denen eine Wahrscheinlichkeit für die Existenz eines dem hypothetischen Objekt entsprechenden
Gegenstands zugeordnet wird und für die in wenigstens einer folgenden Iteration des
Verfahrens eine Erkennung und Verfolgung sowie eine Aktualisierung der Wahrscheinlichkeit
durchgeführt wird.
[0021] Bei dem erfindungsgemäßen Verfahren ist es demnach möglich, zunächst nur Vermutungen
über mögliche neue Objekte anzustellen und diese dann zunächst weiterzuverfolgen.
Hierdurch kann es vermieden werden, sich bei der Bildung neuer Objekte auf die Zuordnung
eines Segments oder einer Segmentkombination zu einem Objekt festlegen zu müssen,
obwohl hierfür gegebenenfalls nicht genügend Informationen vorhanden sind. Insbesondere
können alle denkbaren Kombinationen von Segmenten daraufhin überprüft werden, ob sie
einem Objekt zugeordnet werden können. Durch geeignete Wahl der hypothetischen Objekte
kann sichergestellt werden, daß bei der Objektbildung keine möglichen Segmentkombinationen
vergessen werden und eines der hypothetischen Objekte dem tatsächlich existierenden
Gegenstand entspricht.
[0022] Erfindungsgemäß kann die Verwendung von hypothetischen Objekten auch bei der Erkennung
von schon vorhandenen Objekten entsprechend verwendet werden. Dazu werden bei mehreren
möglichen Segment-Objekt-Zuordnungen entsprechende Hypothesen bzw. hypothetische Objekte
gebildet.
[0023] Die hypothetischen Objekte werden im weiteren Verfahren parallel weiterbehandelt.
Für sie erfolgt im weiteren Verfahren, d. h. in wenigstens einer folgenden Iteration
des Verfahrens, eine Erkennung und Verfolgung sowie eine Aktualisierung der Wahrscheinlichkeit.
Hierdurch ist es möglich, aus den anfänglich gebildeten Hypothesen, von denen sich
in der Regel die meisten als nicht haltbar erweisen werden, die wahrscheinlichsten
auszuwählen und bei einer Ausgabe von Objektdaten zu berücksichtigen.
[0024] Grundsätzlich können bei dem Verfahren große Anzahlen von hypothetischen Objekten
auftreten, deren Wahrscheinlichkeit jeweils im weiteren Verlauf des Verfahrens - meist
rasch - sehr kleine Werte annimmt, das heißt, die so unwahrscheinlich werden, daß
sie bei einer weiteren Objekterkennung und -verfolgung außer Betracht bleiben können.
Es ist daher bevorzugt, daß hypothetische Objekte verworfen werden, wenn deren Wahrscheinlichkeit
eine erste Mindestwahrscheinlichkeit unterschreitet.
[0025] Werden hypothetische Objekte verworfen, so werden dann besonders bevorzugt die Wahrscheinlichkeiten
entsprechender anderer hypothetischer Objekte entsprechend erhöht. Hierdurch kann
also erreicht werden, daß nur vergleichsweise wenige hypothetische Objekte über mehrere
Iterationen weiterverfolgt werden müssen, wodurch die Durchführung des erfindungsgemäßen
Verfahrens wesentlich beschleunigt wird. Die Wahl für den Wert der ersten Mindestwahrscheinlichkeit
kann insbesondere in Abhängigkeit davon erfolgen, wieviel Zeit zur Verarbeitung der
hypothetischen Objekte zur Verfügung steht. Bei zeitkritischen Anwendungen kann es
dabei notwendig sein, einen größeren Wert zu wählen. Der Wert für die erste Mindestwahrscheinlichkeit
kann beispielsweise bei 10 Prozent liegen.
[0026] Weiterhin ist es bevorzugt, daß hypothetische Objekte als eindeutig erkannte Objekte
behandelt werden, wenn deren Wahrscheinlichkeit eine zweite Mindestwahrscheinlichkeit
überschreitet. Dies bedeutet mit anderen Worten, daß für solche Objekte keine Alternativen
bestehen, sondern davon ausgegangen werden kann, daß dem hypothetischen Objekt tatsächlich
ein Gegenstand entspricht. Für die Wahl des Wertes der zweiten Mindestwahrscheinlichkeit
gelten grundsätzlich die gleichen Überlegungen wie für die Wahl des Wertes der erste
Mindestwahrscheinlichkeit. Der Wert für die zweite Mindestwahrscheinlichkeit kann
beispielsweise bei 90 Prozent liegen. Unter der Behandlung als eindeutig erkanntes
Objekt wird hierbei verstanden, daß für das Objekt keine Aktualisierung der Wahrscheinlichkeit
mehr stattfinden muß, da diese zu 100 Prozent angenommen wird. Insbesondere kann bei
dem erfindungsgemäßen Verfahren hierzu eine Unterscheidung in hypothetische Objekte
und eindeutig erkannte Objekte erfolgen, so daß die Behandlung als eindeutig erkanntes
Objekt bedeutet, daß eine Umwandlung eines hypothetischen Objekts in ein eindeutig
erkanntes Objekt erfolgt. In dieser Anmeldung werden Objekte, die als eindeutig erkannte
Objekte behandelt werden, als eindeutig erkannte Objekte bezeichnet.
[0027] Hypothetische Objekte mit Wahrscheinlichkeiten, die zwischen der ersten und der zweite
Mindestwahrscheinlichkeit liegen, werden weiterhin als hypothetische Objekte behandelt,
für die in jedem Fall eine Aktualisierung der Wahrscheinlichkeiten in jeder weiteren
Iteration durchgeführt wird.
[0028] Grundsätzlich können hypothetische Objekte für alle in einem aktuellen Bild verfügbaren
Segmente gebildet werden. Dies hat jedoch zur Folge, daß gegebenenfalls eine sehr
hohe Zahl hypothetischer Objekte entsteht, deren Erkennung und Verfolgung einen hohen
Verarbeitungsaufwand erfordert. Es ist daher bevorzugt, daß die verfügbaren Segmente
nur diejenigen Segmente eines Bildes sind, die keinen eindeutig erkannten Objekten
zugeordnet werden können. Hierdurch wird insbesondere bei der Verfolgung von Szenen,
in denen Objekte bzw. die durch sie dargestellten Gegenstände über längere Zeit vorhanden
sind, eine deutliche Reduktion der für die Durchführung einer Iteration des erfindungsgemäßen
Verfahrens benötigten Zeit erzielt.
[0029] Grundsätzlich können in den erfaßten, vorzugsweise geschwindigkeitsoder tiefenaufgelösten
Bildern mehrere, demselben Gegenstand entsprechende Segmente auftreten.
[0030] Es ist daher als eine erste Alternative bevorzugt, daß für Segmentteilmengen in der
Menge aller verfügbaren Segmente jeweils mindestens eine Objekthypothese gebildet
wird, die wenigstens ein hypothetisches Objekt umfaßt, und daß der Objekthypothese
eine Hypothesenwahrscheinlichkeit zugewiesen wird, wobei die Hypothesenwahrscheinlichkeiten
bei wenigstens einem folgenden Iterationsschritt aktualisiert werden und die Summe
der Hypothesenwahrscheinlichkeiten der Objekthypothesen für eine Segmentteilmenge
Eins ist. Hierdurch ist es möglich, kontrolliert hypothetischen Objekten Wahrscheinlichkeiten
zuzuweisen. Darüber hinaus kann eine Objekthypothese für eine Segmentteilmenge mehrere
Objekte umfassen, während eine andere Objekthypothese für die gleiche Segmentteilmenge
nur ein Objekt umfaßt, das alle Segmente der Segmentteilmenge umfaßt. Vorzugsweise
wird hierbei die Hypothesenwahrscheinlichkeit den hypothetischen Objekten der betreffenden
Objekthypothese als Wahrscheinlichkeit zugeordnet. Bei der Aktualisierung der Wahrscheinlichkeiten
für hypothetische Objekte ist dabei darauf zu achten, daß die Summe der Hypothesenwahrscheinlichkeiten
stets Eins bleibt.
[0031] Als zweite Alternative ist in einer anderen bevorzugten Weiterbildung vorgesehen,
daß für Segmentteilmengen in der Menge aller verfügbaren Segmente jeweils mindestens
eine Objekthypothese gebildet wird, die genau ein hypothetisches Objekt umfaßt, und
daß der Objekthypothese eine Hypothesenwahrscheinlichkeit zugewiesen wird, die bei
wenigstens einem folgenden Iterationsschritt aktualisiert wird. Im Unterschied zu
der oben geschilderten Weiterbildung bei der Hypothesenwahrscheinlichkeiten von Objekthypothesen,
die aus einer Segmentteilmenge hervorgegangen sind, nur gemeinsam unter Erhaltung
der Normierung geändert werden können, können hier die Hypothesenwahrscheinlichkeiten
unabhängig voneinander geändert werden. Insbesondere können diese stark von Meßwerten
für Objekteigenschaften abhängen. Durch die Bildung von Objekthypothesen mit nur einem
Objekt kann dieses sehr einfach weiterverfolgt werden. Darüber hinaus ist, wie gerade
ausgeführt, die Aktualisierung von Wahrscheinlichkeiten einfacher durchzuführen.
[0032] Bei beiden Alternativen werden bevorzugt für jede betrachtete Segmentteilmenge alle
möglichen Objekthypothesen gebildet, so daß sich unter den Objekthypothesen wenigstens
eine findet, die dem realen Gegenstand bzw. den realen Gegenständen entspricht.
[0033] Grundsätzlich können bei beiden Alternativen alle Segmentteilmengen in der Menge
aller verfügbaren Segmente zur Bildung von Objekthypothesen verwendet werden. Dies
führt jedoch zu einer sehr großen Anzahl von Objekthypothesen mit einer noch größeren
Anzahl von hypothetischen Objekten, die die für die Ausführung des erfindungsgemäßen
Verfahrens erforderliche Zeit sehr stark erhöhen. Es ist daher bevorzugt, daß für
jede Segmentteilmenge in der Menge aller verfügbaren Segmente, die wenigstens einem
vorgegebenen Hypothesenbildungskriterium entspricht, Objekthypothesen gebildet werden.
Hierdurch wird die Anzahl der Objekthypothesen nochmals abhängig von der Wahl des
Hypothesenbildungskriteriums unter Umständen deutlich reduziert.
[0034] Als Hypothesenbildungskriterium kann insbesondere vorgesehen werden, daß nur Segmentteilmengen
mit vorgegebenen Anzahlen von Segmenten zur Objekthypothesenbildung herangezogen werden.
[0035] Besonders bevorzugt ist es, daß als Hypothesenbildungskriterium verwendet wird, daß
jeweils mindestens zwei Segmente der Segmentteilmenge einen Abstand voneinander aufweisen,
der einen vorgegebenen Mindestabstand unterschreitet. Als Abstand der Segmente kann
hierbei der Abstand von Bezugspunkten der Segmente, beispielsweise der Schwerpunkte,
vorgesehen sein. Es ist jedoch auch möglich, als Abstand den minimalen Abstand anzusehen,
der zwischen je einem der Bildpunkte des einen Segments und je einem der Bildpunkte
des anderen Segments auftritt.
[0036] Bei dieser Weiterbildung wird ausgenutzt, daß Unsicherheiten in der Zuordnung von
Segmenten zu Objekten nur für solche Segmente bestehen, die überhaupt zu einem Objekts
zusammenfaßbar sind. Bei Anwendungen, bei denen die Ausdehnungen von zu erkennenden
und zu verfolgenden Gegenständen kleiner als der Sichtbereich des Sensors sind, sind
daher die Mehrdeutigkeiten in einem ersten Bereich unabhängig von denen in einem zweiten,
weit von dem ersten Bereich entfernten Bereich. Der vorgegebene Mindestabstand kann
dabei insbesondere in Abhängigkeit von der größten Ausdehnung eines in dem Sichtbereich
des Sensors zu erwartenden Gegenstands gewählt werden, insbesondere kann der Mindestabstand
durch die größte Ausdehnung eines solchen Gegenstands gegeben sein.
[0037] Um die Anzahl der Objekthypothesen möglichst klein zu halten, ist es weiterhin bevorzugt,
daß Objekthypothesen verworfen werden, wenn deren Hypothesenwahrscheinlichkeit eine
dritte Mindestwahrscheinlichkeit unterschreitet oder eines ihrer hypothetischen Objekte
verworfen wird. Bei der Weiterbildung nach der ersten Alternative werden dann die
Hypothesenwahrscheinlichkeiten entsprechender, bei der Bildung für die gleiche Segmentteilmenge
gebildeter Objekthypothesen vorzugsweise dementsprechend erhöht.
[0038] Aus dem gleichen Grund ist es weiterhin bevorzugt, daß die hypothetischen Objekte
einer Objekthypothese als eindeutig erkannte Objekte behandelt, die Objekthypothese
gestrichen wird, wenn die Wahrscheinlichkeit der Objekthypothese eine vierte Mindestwahrscheinlichkeit
überschreitet.
[0039] Bei dem Verfahren nach der ersten Alternative ist es dabei bevorzugt, daß alle anderen
Objekthypothesen, die aus derselben Segmentteilmenge wie die gestrichene gebildet
wurden, verworfen werden. Damit wird die Konsistenz der Hypothesenwahrscheinlichkeiten
erhalten.
[0040] In beiden Fällen gelten in bezug auf die Wahl der Mindestwahrscheinlichkeiten für
die Hypothesenwahrscheinlichkeiten die gleichen Überlegungen wie für die der hypothetischen
Objekte.
[0041] Grundsätzlich können die Wahrscheinlichkeiten bzw. Hypothesenwahrscheinlichkeiten
sowohl bei der Bildung als auch bei der Aktualisierung mit unterschiedlichen Methoden
bestimmt werden.
[0042] Liegen keine weiteren Informationen vor, so können insbesondere bei der Bildung einer
Objekthypothese die Hypothesenwahrscheinlichkeiten von Objekthypothesen für eine Segmentteilmenge
als gleich hoch angenommen werden.
[0043] Weiterhin ist es bevorzugt, daß bei der Bildung eines hypothetischen Objekts die
Hypothese Annahmen über den Zustand des hypothetischen Objekts umfaßt. Hierbei kann
es sich insbesondere um eine bevorzugte Bewegungsrichtung handeln.
[0044] Auch ist es bevorzugt, daß die Hypothesenwahrscheinlichkeiten, insbesondere bei deren
Aktualisierung, durch Heuristiken bestimmt werden. Bei diesen Heuristiken werden beispielsweise
Erfahrungswerte in bezug auf die zu verfolgenden Gegenstände verwendet, um die Wahrscheinlichkeit
von hypothetischen Objekten abzuschätzen.
[0045] Besonders bevorzugt können hierbei Konsistenzkriterien verwendet werden, deren Verletzung
einen Ausschluß der Hypothese zur Folge haben sollte. Es ist daher bevorzugt, daß
in dem Fall, daß wenigstens ein hypothetisches Objekt einer Objekthypothese wenigstens
ein vorgegebenes Konsistenzkriterium nicht erfüllt, die Objekthypothese verworfen
wird. Hierdurch kann eine drastische Reduktion von Objekthypothesen und damit eine
erhebliche Beschleunigung des Verfahrens erreicht werden. Bei dem Verfahren nach der
ersten Alternative ist dabei besonders bevorzugt, daß alle anderen Objekthypothesen,
die ein mit dem hypothetischen Objekt, das das Konsistenzkriterium nicht erfüllt,
übereinstimmendes hypothetisches Objekt aufweisen, verworfen werden.
[0046] Weiterhin können besonders bevorzugt auch Häufigkeitsverteilungen für die Eigenschaften
von Gegenständen, die beispielsweise aus entsprechenden statistischen Daten über die
tatsächlichen Gegenstände gewonnen werden können, verwendet werden, um die Wahrscheinlichkeit
von hypothetischen Objekten bzw. von Hypothesenwahrscheinlichkeiten abzuschätzen.
Bei den Eigenschaften von Gegenständen kann es sich dabei sowohl um geometrische als
auch um dynamische, beispielsweise die Bewegung betreffende Eigenschaften sowie um
optische Eigenschaften, insbesondere die Reflektivität, handeln.
[0047] Dazu ist es bevorzugt, daß zur Klassifizierung von Objekten mehrere Objektklassen
vorgesehen werden, die wenigstens eine Eigenschaft von Objekten betreffen, die aus
wenigstens einem der geschwindigkeits- oder tiefenaufgelösten Bilder bestimmbar ist,
und daß allen Objekten als Eigenschaft eine der Objektklassen zugeordnet ist, wobei
die Zuordnung von Objektklassen zu hypothetischen Objekten bei deren Bildung erfolgt
und die Hypothese eine Annahme über die Zuordnung eine Objektklasse umfaßt. Damit
werden mit der Hypothesenbildung nicht nur Annahmen über möglicherweise bei der Objektbildung
zu einem Objekt zu kombinierende Segmente erfaßt, sondern es kann auch eine weitergehende
Identifizierung der Objekte erfolgen.
[0048] Vorzugsweise kann die Objektklasse dadurch bestimmt sein, daß sie Gegenständen mit
bestimmten geometrischen Eigenschaften, also insbesondere bestimmten Formen und Größen,
entspricht. Dabei können die Formen nur sehr abstrahiert und damit einfach vorgegeben
sein und die Größen innerhalb eines vorgegebenen Wertebereichs liegen. Bei einer Verwendung
zur Überwachung eines Bereichs vor einem Fahrzeug kann eine solche Klassifizierung
nach geometrischen Kriterien insbesondere auch eine entsprechende Zuordnung von objektklassenspezifischen
Modellen erlauben. Dies ist in der deutschen Patentanmeldung mit dem anwaltlichen
Aktenzeichen S7880 mit dem Titel Verfahren zur Erkennung und Verfolgung von Objekten
", die am gleichen Tag wie die vorliegende Anmeldung von der gleichen Anmelderin eingereicht
wurde (deutsche Patentanmeldung mit dem Anmeldetag 28. September 2001 und dem amtlichen
Aktenzeichen 101 48 071.7) und deren Inhalt hiermit durch Bezugnahme in die vorliegende
Anmeldung aufgenommen wird, genauer beschrieben.
[0049] Insbesondere kann die Objektklasse mehrere Eigenschaften von Gegenständen, die durch
Objekte der Objektklasse darstellbar sind, umfassen, die jedoch nicht alle aus nur
einem Bild bestimmbar sein müssen.
[0050] Insbesondere kann eine Objektklasse dadurch bestimmt sein, daß ihr entsprechende
Gegenstände bestimmte dynamische Eigenschaften aufweisen, die in objektklassenspezifischen
Bereichen liegen. Hierbei kann es sich um Geschwindigkeiten, Beschleunigungen oder
in dem Fall, daß Orientierungen der Objekte verwendet werden, auch Rotationsgeschwindigkeiten
handeln. Insbesondere kann sich die Objektklasse durch die Vorgabe beispielsweise
maximaler Geschwindigkeiten, Beschleunigungen oder Rotationsgeschwindigkeiten auszeichnen.
[0051] Während für die Zuordnung eine Objektklasse bei der Bildung hypothetische Objekte
im allgemeinen eine Zuordnung allein über aus einem einzelnen Bild bestimmbare, vorzugsweise
geometrische, Eigenschaften erfolgt, kann im weiteren Verlauf des Verfahrens anhand
dieser Eigenschaften einfach überprüft werden, ob die Annahmen über die Zuordnung
des Objekts zu der Objektklasse zutreffend waren oder nicht. Dazu ist es bevorzugt,
daß das Konsistenzkriterium eine durch die Objektklasse erfaßte Eigenschaft betrifft.
Insbesondere kann eine Abweichung einer für ein hypothetisches Objekt festgestellten
Eigenschaft von einer in der Objektklasse gegebenen Eigenschaft bzw. eine Abweichung
eines für ein hypothetisches Objekt festgestellten Verhaltens von einem in der Objektklasse
vorgegebenen Verhalten verwendet werden. Als Abweichung wird hierbei insbesondere
auch angesehen, daß ein festgestellter Wert für eine Eigenschaft nicht innerhalb eines
entsprechenden, für die Klasse vorgegebenen Bereichs liegt. Dies kann insbesondere
die Ausdehnung des Objekts, aber auch die dynamischen Eigenschaften bzw. das dynamische
Verhalten betreffen.
[0052] Besonders bevorzugt ist es, daß eine Objektklasse eine Häufigkeitsverteilung für
eine aus einem oder mehreren Bildern bestimmbare Eigenschaft der durch Objekte der
Objektklasse dargestellten Gegenstände aufweist, in einem aktuellen Iterationsschritt
für ein Objekt der Objektklasse die Eigenschaft bestimmt wird, und die Hypothesenwahrscheinlichkeit
einer Objekthypothese, die das Objekt enthält, in Abhängigkeit von der bestimmten
Eigenschaft und von der Häufigkeitsverteilung für die Eigenschaft bestimmt wird. Eine
solche Häufigkeitsverteilung kann beispielsweise durch statistische Analysen von Eigenschaften
realer Gegenstände gewonnen werden. So kann bei Personenkraftwagen beispielsweise
aus dem Bestand an Personenkraftwagen aus Daten über Typ und Länge eine Häufigkeitsverteilung
der Längen von Personenkraftwagen erstellt werden. Hierdurch ist ein vergleichsweise
einfaches Kriterium zur Bestimmung von Hypothesenwahrscheinlichkeiten gegeben.
[0053] Ist als Objektklasse insbesondere eine Objektklasse mit Fahrzeugen, beispielsweise
eine Objektklasse für Zweiräder, eine Objektklasse für Pkw oder eine Objektklasse
für Lastkraftwagen sowie Busse vorgesehen, so kann bei der Bildung von Objekthypothesen
bevorzugt eine mögliche Bewegungsrichtung der Objekte berücksichtigt werden.
[0054] Weiterhin ist es besonders bevorzugt, daß jedem Objekt eine Objektbox zugeordnet
ist, die eine Ausdehnung des Objekts in der Bildebene darstellt, deren Form und Größe
von der dem Objekt zugeordneten Objektklasse abhängt und die hinsichtlich Form und
Größe dem durch das Objekt dargestellten Gegenstand entspricht, und daß ein Segment
einem Objekt zugeordnet wird, wenn die Objektbox durch entsprechende Positionierung
das Segment enthält. Durch die Verwendung von Objektboxen wird insbesondere die Zuordnung
von Segmenten vereinfacht, da durch die Objektboxen objektklassenabhängig maximale
Ausdehnungen von Objekten angebbar sind. Die Verwendung von Objektboxen ist in der
deutschen Patentanmeldung mit dem anwaltlichen Aktenzeichen S7875 und dem Titel "Verfahren
zur Erkennung und Verfolgung von Objekten", die am gleichen Tag wie die vorliegende
Anmeldung von der gleichen Anmelderin eingereicht wurde (deutsche Patentanmeldung
mit dem Anmeldetag 28. September 2001 und dem amtlichen Aktenzeichen 101 48 068.7)
und deren Inhalt hiermit durch Bezugnahme in die vorliegende Anmeldung aufgenommen
wird, beschrieben.
[0055] Besonders bevorzugt ist es dabei, daß in Abhängigkeit von der Lage der Bildpunkte
in der Objektbox und/oder der Anzahl der Bildpunkte in der Objektbox eine Objektgüte
bestimmt wird, und daß die Hypothesenwahrscheinlichkeit einer Hypothese oder Objekthypothese
in Abhängigkeit von der Objektgüte des oder der hypothetischen Objekte bestimmt wird.
Die Verwendung von Objektboxen ergibt nicht nur günstigere Resultate bei der Objektverfolgung,
sondern erlaubt auch eine bessere Abschätzung der Wahrscheinlichkeit einer Objekthypothese,
indem durch die Objektgüte ein Maß bereitgestellt wird, das angibt, wie sicher aus
der Messung auf die Objektbox und damit auch auf die Objektklasse bzw. das Wiederauffinden
eines Objekts geschlossen werden kann.
[0056] Die Objektgüte kann insbesondere dadurch bestimmt werden, daß die Anzahl der erfaßten
Bildpunkte in der Objektbox zu von einer Referenzanzahl, beispielsweise der von dem
Sensor maximal erfaßbaren Anzahl, der Bildpunkte in Beziehung gesetzt wird. Die maximal
mögliche Anzahl von Bildpunkten kann dabei auf der Basis der Lage der Objektbox relativ
zu dem Sensor und dem Auflösungsvermögen des Sensors bei der gegebenen Objektboxposition
oder durch Variation über alle möglichen Lagen der Objektbox zu dem Sensor ermittelt
werden. Es kann jedoch unabhängig von dem Verhältnis zusätzlich die maximal mögliche
Anzahl von Bildpunkten in die Objektgüte eingehen.
[0057] Wenn zur Bestimmung der Objektgüte die Anzahl der Bildpunkte in der Objektbox verwendet
wird, dann ist es besonders bevorzugt, daß vor der Bestimmung der Objektgüte überprüft
wird, ob ein Teil des durch das hypothetische Objekt dargestellten Gegenstands durch
einen anderen, zwischen dem Sensor und dem Gegenstand liegenden Gegenstand verdeckt
wird, und daß bei der Bestimmung der Objektgüte die Anzahl der durch die Verdeckung
ausgeblendeten Bildpunkte in der Objektbox berücksichtigt wird. Die Berücksichtigung
kann insbesondere dadurch erfolgen, daß verdeckte Gegenstandspunkte rekonstruiert
und als bei der Messung erfaßt angesehen werden.
[0058] Weiterhin ist es besonders bevorzugt, daß eine Objektgüte in Abhängigkeit von den
minimalen Abständen zwischen in der Objektbox liegenden Bildpunkten und dem Rand der
Objektbox und von der Anzahl der in der Objektbox liegenden Bildpunkte bestimmt wird,
und daß die Hypothesenwahrscheinlichkeit einer Hypothese oder Objekthypothese in Abhängigkeit
von der Objektgüte der hypothetischen Objekte bestimmt wird. Hierdurch kann sehr genau
geprüft werden, wie gut die durch die Segmente dargestellte Kontur eines Objekts in
einem aktuellen Bild mit derjenigen der Objektbox übereinstimmt. In die Objektgüte
kann dabei vorzugsweise die Objektklasse eingehen, da beispielsweise bei Personenkraftwagen
in der Regel in sehr guter Näherung eine Annäherung an eine Rechteckform gegeben ist,
während beispielsweise bei Lastkraftwagen in der typischerweise von dem Sensor abgetasteten
Höhe keine entsprechende Kontur in dem erfaßten Bild zu erwarten ist, so daß die Objektgüte
bedingt durch die Objektklasse grundsätzlich geringer sein wird als bei Personenkraftwagen.
[0059] Vorzugsweise kann hierbei der mittlere einfache oder quadratische Abstand der Bildpunkte
von dem Rand der Objektbox verwendet werden.
[0060] Weiterhin ist es besonders bevorzugt, daß der zur Zuordnung verwendete mittlere Abstand
auf eine Ausdehnung der Objektbox, bei einem Rechteck beispielsweise die Länge oder
Breite, bezogen wird. Hierdurch werden Unterschiede in der Größe der Objektboxen,
beispielsweise für Personen oder Lastkraftwagen, berücksichtigt, so daß der Schwellwert
für alle Objekte gleich gewählt werden kann.
[0061] Es ist darüber hinaus bevorzugt, daß mindestens eine Objektbox einen innerhalb der
Objektbox entlang ihres Umfangs verlaufenden Randstreifen vorgegebener Breite aufweist,
und eine Objektgüte in Abhängigkeit von der Anzahl der in dem Randstreifen liegenden
Bildpunkte und der Gesamtzahl der in der in der Objektbox liegenden Bildpunkte bestimmt
wird. Insbesondere kann hierzu das Verhältnis der beiden Werte verwendet werden. Auf
diese Weise läßt sich sehr schnell eine Güte bestimmen, die angibt, wie genau die
Bildpunkte, die der Kontur des Gegenstands entsprechen sollten, entlang der Kontur
der Objektbox angeordnet sind.
[0062] Zur Bestimmung der Hypothesenwahrscheinlichkeiten können insbesondere auch wenigstens
zwei verschiedene Objektgüten verwendet werden.
[0063] Weiterhin können die Hypothesenwahrscheinlichkeiten auch in Abhängigkeit von der
Umgebung der Objekte der Objekthypothese, d. h. situativ, bestimmt werden. Diese Umgebung
kann sich beispielsweise aus der Klassifizierung anderer, insbesondere als eindeutig
erkannter Objekte und Heuristiken ergeben.
[0064] Weiterer Gegenstand der Erfindung ist ein Computerprogramm mit Programmcode-Mitteln,
um das erfindungsgemäße Verfahren durchzuführen, wenn das Programm auf einem Computer
ausgeführt wird.
[0065] Unter einem Computer wird hierbei eine beliebige Datenverarbeitungsvorrichtung verstanden,
mit der das Verfahren ausgeführt werden kann.
[0066] Insbesondere können diese digitale Signalprozessoren und/oder Mikroprozessoren aufweisen,
mit denen das Verfahren ganz oder in Teilen ausgeführt wird.
[0067] Gegenstand der Erfindung ist auch ein Computerprogrammprodukt mit Programmcode-Mitteln,
die auf einem computerlesbaren Datenträger gespeichert sind, um das erfindungsgemäße
Verfahren durchzuführen, wenn das Computerprogrammprodukt auf einem Computer ausgeführt
wird.
[0068] Weiterer Gegenstand der Erfindung ist ein Verfahren zur Erkennung und Verfolgung
von Gegenständen in einem Sichtbereich eines Sensors zur Erfassung elektromagnetischer
Strahlung, insbesondere eines Laserscanners, bei dem mit dem Sensor zeitlich aufeinanderfolgend
geschwindigkeits- oder tiefenaufgelöste Bilder wenigstens eines Teils seines Sichtbereichs
erfaßt werden, und bei dem die erfaßten Bilder mit dem erfindungsgemäßen Verfahren
zur Erkennung und Verfolgung von Objekten verarbeitet werden.
[0069] Schließlich ist Gegenstand der Erfindung eine Vorrichtung zur Erkennung und Verfolgung
von Objekten mit mindestens einem zur Erfassung geschwindigkeits- oder tiefenaufgelöster
Bilder eines Überwachungsbereichs ausgebildeten Sensor zur Erfassung elektromagnetischer
Strahlung, insbesondere einem Laserscanner, und mit einer Datenverarbeitungseinrichtung,
die zur Durchführung des erfindungsgemäßen Verfahrens ausgebildet ist.
[0070] Eine bevorzugte Ausführungsform der Erfindung wird im folgenden beispielhaft anhand
der Zeichnungen erläutert. Es zeigen:
- Fig. 1
- eine schematische Draufsicht auf eine Szene mit einem Fahrzeug, an dem ein Laserscanner
angebracht ist, und zwei Fahrzeugen im Sichtbereich des Laserscanners,
- Fig. 2
- die Szene in Fig. 1 zu einem späteren Zeitpunkt,
- Fig. 3
- eine struktogrammähnliche Darstellung eines Verfahrens zur Erkennung und Verfolgung
von Objekten nach einer bevorzugten Ausführungsform der Erfindung.
[0071] In Fig. 1 ist an der Frontseite eines Fahrzeugs 10 ein Laserscanner 12 angeordnet,
dessen Sichtbereich 14 den in Fahrtrichtung vor dem Fahrzeug liegenden Bereich umfaßt.
Im Sichtbereich 14 befinden sich ein Lastkraftwagen 16 und zwei Motorräder (Zweiräder)
17 und 18, die durch die Rechtecke mit durchgezogenen Linien dargestellt sind.
[0072] Der Laserscanner 12 tastet seinen Sichtbereich 14 mit einem umlaufenden, gepulsten
Strahlungsbündel 20 ab und erfaßt die Position von Gegenstandspunkten, beispielsweise
den Gegenstandspunkten 22, 24, 26, 28, 30, 32, 34, 36, 38 und 40 auf dem Lastkraftwagen
16 und den Gegenstandspunkten 42 und 44 auf den Motorrädern 17 und 18, an denen ein
Puls des Strahlungsbündels 20 reflektiert wurde, anhand des Winkels, bei dem der Strahlungspuls
ausgesandt bzw. empfangen wurde, und dem Abstand zum Laserscanner 12, der sich aus
der Laufzeit des Strahlungspulses von der Abstrahlung bis zum Empfang nach der Reflexion
ergibt.
[0073] Bei einer Abtastung des Sichtbereichs 14 wird somit ein geschwindigkeitsoder tiefenaufgelöstes
Bild erfaßt, das die bei der Abtastung erfaßten Bildpunkte umfaßt, die zumindest die
Koordinaten der Gegenstandspunkte 22 bis 44 enthalten, an denen das Strahlungsbündel
20 reflektiert wurde. Die Bildpunkte werden in den Figuren durch die Gegenstandspunkte
dargestellt. Die Aktualisierung der vollständigen Bilder erfolgt in einem zeitlichen
Abstand T.
[0074] Die von dem Laserscanner 12 erfaßten Bilder werden, gegebenenfalls nach einer Korrektur
der Koordinaten der Bildpunkte, an eine Datenverarbeitungseinrichtung 45 in dem Fahrzeug
10 ausgegeben, in der eine Weiterverarbeitung der Bilder stattfindet. Die Datenverarbeitungseinrichtung
45 weist dazu, in den Figuren nicht gezeigt, einen Prozessor und einen Speicher sowie
eine Schnittstelle zur Übertragung der Daten von dem Laserscanner auf. Weiterhin ist
eine Schnittstelle zur Ausgabe von Daten an andere Datenverarbeitungseinrichtungen
in dem Fahrzeug 10 vorgesehen, die jedoch ebenfalls in den Figuren nicht gezeigt sind.
[0075] Zur Erkennung und Verfolgung von Objekten wird ein Objekterkennungsund -verfolgungsverfahren
nach einer bevorzugten Ausführungsform der Erfindung in der Datenverarbeitungseinrichtung
45 ausgeführt, in der dazu ein entsprechendes Programm nach einer bevorzugten Ausführungsform
der Erfindung gespeichert ist und ausgeführt wird.
[0076] Bei dem hier dargestellten Verfahren ist jedem Objekt eine Objektbox zugeordnet,
die die Form und Größe eines durch das Objekt dargestellten Gegenstands darstellen
soll. Die Lage der Objektboxen und damit der Objekte wird jeweils durch den Schwerpunkt
der Objektbox dargestellt.
[0077] Weiterhin sind in diesem Beispiel vier Objektklassen vorgesehen, die jeweils Personen,
Zweirädern, Personenkraftwagen und Lastkraftwagen entsprechen. Jedem Objekt einer
Objektklasse ist als Eigenschaft eine Objektbox zugeordnet, die objektklassenspezifisch
in diesem Fall die Form eines Rechtecks aufweist, dessen Länge und Breite in einem
objektklassenspezifischen Wertebereich liegt.
[0078] Objekte der Objektklasse Person entsprechen dabei Gegenstandspunkten, die z. B. in
einem Rechteck mit einer Länge und einer Breite jeweils zwischen 0,1 m und 1 m liegen.
Objekte der Objektklasse Zweirad stellen Gegenstände dar, die in grober Näherung z.
B. durch ein Rechteck darstellbar sind, dessen Länge in einem Bereich zwischen 1,5
m und 2,5 m und dessen Breite in einem Bereich zwischen 0,5 m und 1 m liegt. Entsprechendes
gilt für Objekte der Objektklasse Personenkraftwagen, wobei hier jedoch z. B. die
Länge in einem Bereich zwischen 3 m und 5,5 m und die Breite in einem Bereich zwischen
1,5 m und 2,5 m liegen kann. Objekte der Objektklasse Lastkraftwagen schließlich stellen
Gegenstände dar, die in grober Näherung z. B. durch ein Rechteck darstellbar sind,
dessen Länge in einem Bereich zwischen 6 m und 20 m und dessen Breite in einem Bereich
zwischen 2 m und 3 m liegen. Für Objekte dieser Klassen ist als dynamische Eigenschaft
weiterhin jeweils eine maximale Geschwindigkeit vorgesehen, die z. B. bei Personen
bei 10 km/h, bei Zweirädern und Personenkraftwagen bei 250 km/h und bei Lastkraftwagen
bei 120 km/h liegt.
[0079] Zur Objekterkennung und -verfolgung wird ein Kalman-Filter verwendet, wobei als Zustandsvariablen
in diesem Ausführungsbeispiel die Schwerpunktskoordinaten der Objektbox eines Objekts
und dessen Geschwindigkeit verwendet werden. Die Schwerpunktskoordinaten werden gleichzeitig
auch als Meßgrößen bei der Kalman-Filterung verwendet.
[0080] Ein beispielhafter Ablauf des Verfahrens ist schematisch in dem Diagramm in Fig.
3 gezeigt.
[0081] In Schritt S10 wird zunächst ein von dem Laserscanner 12 erfaßtes Bild eingelesen.
[0082] In Schritt S12 werden dann Bildpunkte, die in dem Bild enthalten sind, zu Segmenten
zusammengefaßt. Dabei gehört ein Bildpunkt zu einem Segment, wenn er zu mindestens
einem anderen Bildpunkt des Segments einen euklidischen Abstand hat, der kleiner ist
als ein vorgegebener Maximalabstand, im Beispiel etwa 50 cm. In Fig. 1 ergeben sich
dadurch aus den Bildpunkten 22 bis 44 Segmente 46 bis 68, die in der Fig. 1 durch
die mit einer durchgezogenen Linie miteinander verbundenen Bildpunkte dargestellt
sind.
[0083] Bei dem erfindungsgemäßen Verfahren sind zwei Typen von Objekten vorgesehen, nämlich
eindeutig erkannte Objekte, die sicher einem Gegenstand in dem Sichtbereich 14 des
Laserscanners 12 zugeordnet werden können, sowie hypothetische Objekte, für die nur
eine Vermutung besteht, daß sie einen bestimmten Gegenstand in dem erfaßten Bild darstellen.
[0084] In den Schritten S14 bis S18 wird für jedes eindeutig erkannte Objekt eine Objekterkennung
und -verfolgung durchgeführt. Diese folgenden Schritte werden ohne Bezugnahme auf
die Fig. 1 beschrieben, da in dieser davon ausgegangen wird, daß noch keine eindeutig
erkannten Objekte vorliegen.
[0085] In Schritt S14 erfolgt zunächst aufgrund prädizierter Werte für die Schwerpunktskoordinaten
der Objekte beziehungsweise Objektboxen und entsprechender prädizierter Werte für
die Kovarianzmatrizen der Meßgrößen eine Festlegung eines Suchbereichs, in dem nach
den Objekten zuzuordnenden Segmenten gesucht wird.
[0086] In Schritt S16 erfolgt dann die Segment-Objekt-Zuordnung, bei der zur Erkennung eines
gegebenen Objekts die entsprechende Objektbox in dem Suchbereich so durch Translationen
und gegebenenfalls Rotation um den Schwerpunkt positioniert wird, daß in dem Suchbereich
liegende Segmente in der Objektbox liegen.
[0087] Aus den Koordinaten des Schwerpunktes der Objektboxen werden dann in Schritt S18
zunächst Werte für die Meßgrößen, d. h. die Position der Objektbox und damit des Objekts,
und hieraus Schätzwerte für die Zustandsvariablen, d. h. ebenfalls die Position des
Objekts, bestimmt.
[0088] Werden keine Segmente für ein eindeutig erkanntes Objekt gefunden, wird für dieses
als Schätzwert der Zustandsvariablen der prädizierte Wert der Zustandsvariablen verwendet.
Nicht wiedergefundene Objekte werden verworfen, wenn die Unsicherheit der Prädiktion
einen vorgegebenen Schwellwert überschreitet, die allein durch Prädiktion erhaltene
Objektposition unplausibel ist, beispielsweise eine Überdeckung mit einem anderen
eindeutig erkannten Objekt auftritt, oder das Objekt sichtbar sein müßte, aber nicht
ist.
[0089] Zugeordnete Segmente werden hierbei markiert, da sie für die folgenden Schritten
als nicht mehr verfügbar angesehen werden.
[0090] In den folgenden Schritten S20 bis S24 werden aus nicht zugeordneten Segmenten Objekthypothesen
für neue Objekte erstellt. Die nicht zugeordneten Segmente stellen daher in diesen
Beispielen die für die Objekthypothesenbildung verfügbaren Segmente im Sinne dieser
Anmeldung dar.
[0091] Zur Illustration dieser Schritte wird die in Fig. 1 gezeigte Szene verwendet. Danach
bilden die Segmente 46 bis 68 die Menge der verfügbaren Segmente.
[0092] Die Schritte S22 und gegebenenfalls S24 werden für alle Segmentteilmengen der Menge
der verfügbaren Segmente, die jeweils in Schritt S20 gebildet werden, ausgeführt.
[0093] In Schritt S22 wird für alle Paare von Segmenten in einer Segmentteilmenge geprüft,
ob jedes Segment wenigstens zu einem anderen Segment einen Abstand aufweist, der kleiner
als ein vorgegebener Maximalabstand ist. Dazu wird für jedes Segment der geometrische
Schwerpunkt der Koordinaten der das Segment bildenden Bildpunkte bestimmt und zur
Berechnung des Abstands verwendet. Der Maximalabstand wird hier als die maximale Ausdehnung
einer Objektbox bzw. eines Gegenstandes, d. h. der maximalen Länge für Objekte beziehungsweise
Gegenstände der Objektklasse Lastkraftwagen, 20 m, gewählt.
[0094] Gibt es ein Segment, das zu allen anderen Segment der Segmentteilmenge einen größeren
Abstand als den Maximalabstand aufweist, wird keine Objekthypothese für diese Segmentteilmenge
gebildet, in Schritt S20 die nächste Segmentteilmenge gebildet und das Verfahren mit
Schritt S22 fortgesetzt.
[0095] Anderenfalls werden in Schritt S24 für diese Segmentteilmenge Objekthypothesen gebildet.
Dies wird im folgenden anhand der Beispiele in Fig. 1 genauer beschrieben.
[0096] Eine der Segmentteilmengen umfaßt die Segmente 66 und 68, deren Bildpunkte 42 und
44 bei der Abtastung der Motorräder 17 und 18 erfaßt wurden.
[0097] In Fig. 1 sind durch gestrichelte Linien einige der möglichen Kombinationen der Segmente
zu Objekten anhand der den Objekten zugewiesenen Objektboxen gezeigt. Dabei wird als
Ausdehnung der Objektbox in diesem Stadium des Verfahrens als Größe jeweils die maximale
Ausdehnung der Objektbox gewählt, die in dieser Objektklasse möglich ist.
[0098] Bei der Bildung der Objekthypothesen wird jeweils überprüft, ob ein Segment oder
eine Kombination von Segmenten einem Objekt hinsichtlich seiner Ausdehnung einer der
vorgegebenen Objektklassen entsprechen könnte. Dazu wird um das Segment oder die Kombination
von Segmenten ein kleinstes begrenzendes Rechteck gelegt, das das Segment oder die
Kombination von Segmenten umschließt. Es werden dann für dieses Rechteck die Länge
und die Breite festgestellt. Daraufhin wird überprüft, ob wenigstens die Länge oder
die Breite innerhalb des Wertebereichs für die Länge bzw. Breite einer Objektklasse
liegen. Ist dies der Fall, kann aus dem Segment bzw. aus der Kombination von Segmenten
ein entsprechendes Objekts der bestimmten Objektklasse gebildet werden.
[0099] Bei einer ersten Objekthypothese wird angenommen, daß die Segmente 66 und 68 jeweils
einem Objekt der Objektklasse Personen entsprechen, wobei den Objekten objektklassenspezifisch
die Objektboxen 70 und 72 zugeordnet sind.
[0100] Bei einer zweiten Objekthypothese wird angenommen, daß die Segmente 66 und 68 zwei
von hinten erfaßten Zweirädern entsprechen, denen die Objektboxen 74 und 76 zugeordnet
sind.
[0101] Bei einer dritten Objekthypothese wird angenommen, daß die Segmente 66 und 68 zusammen
einem Objekt der Objektklasse Personenkraftwagen entsprechen, dem eine Objektbox 78
zugeordnet ist.
[0102] Bei einer vierten und fünften Objekthypothese wird angenommen, daß die Segmente 66
und 68 einem Objekt der Objektklasse Zweirad mit der Objektbox 74 und einem Objekt
der Objektklasse Person mit der Objektbox 72 bzw. einem Objekt der Objektklasse Person
mit der Objektbox 70 und einem Objekt der Objektklasse Zweirad mit der Objektbox 76
entsprechen.
[0103] Eine sechste Objekthypothese ist dadurch gegeben, daß die Segmente 66 und 68 einem
Objekt der Objektklasse Zweirad entsprechen, das quer zur Fahrtrichtung des Fahrzeugs
10 bzw. dessen Längsachse orientiert ist.
[0104] Der Übersichtlichkeit halber ist für dieses Objekt keine Objektbox in Fig. 1 gezeigt.
[0105] Da keine Anhaltspunkte dafür vorliegen, daß eine dieser Objekthypothesen bevorzugt
sein könnte, wird davon ausgegangen, daß alle Objekthypothesen die gleiche Hypothesenwahrscheinlichkeit
aufweisen, nämlich 1/6.
[0106] Für die Segmente im Bereich des Lastkraftwagens 16 werden hier der Einfachheit halber
nur zwei der möglichen Objekthypothesen für die Segmentteilmenge, die die Segmente
46 bis 64 enthält, beschrieben.
[0107] Bei einer ersten Objekthypothese wird davon ausgegangen, daß jedes der Segmente eine
Person darstellt, so daß jedem Segment ein Objekt der Klasse Person mit jeweils einer
der Objektboxen 80 bis 98 zugeordnet wird.
[0108] Bei einer zweiten Objekthypothese für diese Segmentteilmenge wird davon ausgegangen,
daß die Segmente durch Erfassung eines Lastkraftwagens erhalten wurden, so daß allen
Segmenten der Segmentteilmenge gemeinsam ein Objekt der Objektklasse Lastkraftwagen
zugeordnet wird, das als Eigenschaft die Objektbox 100 aufweist.
[0109] Da in diesem Stadium keine bisherigen Objekthypothesen existieren, werden im Fall
der Fig. 1 in Schritt S60 entsprechende Daten gespeichert und ausgegeben. Es wird
dann in Schritt S10 ein neues Bild eingelesen.
[0110] Zur weiteren Beschreibung des Verfahrens wird nun davon ausgegangen, daß als nächstes
das in Fig. 2 gezeigte Bild eingelesen wurde und die Schritte S12 bis S24 vollständig
ausgeführt wurden. Die oben geschilderten Objekthypothesen bilden nun einige der bisherigen
Objekthypothesen.
[0111] In den Schritten S26 bis S56 werden alle bisherigen Objekthypothesen weiter bearbeitet.
[0112] In Fig. 2 ist die Szene in Fig. 1 zu einem etwas späteren Zeitpunkt nochmals gezeigt.
Da sich alle Fahrzeuge, d. h. das mit dem Laserscanner 12 versehene Fahrzeug 10, die
Motorräder 17 und 18 und der Lastkraftwagen 16, absolut und relativ zueinander bewegt
haben, sind nun von den Motorrädern 17 und 18 Gegenstandspunkte 102 und 104 sichtbar,
die auch Gegenstandspunkte entlang der Längsseite der Motorräder 17 und 18 umfassen.
Weiterhin hat sich der seitliche Abstand der Motorräder so weit vergrößert, daß die
Segmente - im Rahmen der verwendeten Objektklassen - nicht mehr zu einem Personenkraftwagen
oder Lastkraftwagen zusammengefaßt werden können.
[0113] Es wurde daher als neue Objekthypothese für die Segmentteilmenge mit aus den Gegenstandspunkten
102 und 104 gebildeten Segmenten 106 und 108 die Objekthypothese gebildet, daß zwei
Motorräder als Gegenstände vorhanden sind.
[0114] Die neuen Hypothesen für die Segmente im Bereich des Lastkraftwagens 16 entsprechen
denen, die oben beschrieben wurden.
[0115] In der durch Schritt S26 dargestellten Schleife werden, soweit zutreffend, die Schritte
S28 bis S44 für alle hypothetischen Objekte einer Objekthypothese durchgeführt.
[0116] Zunächst wird in Schritt S28 - wie für ein eindeutig erkanntes Objekt - ein Suchbereich
festgelegt und in Schritt S30 eine Segment-Objekt-Zuordnung durchgeführt, wobei eine
doppelte Zuordnung eines Segments innerhalb einer Objekthypothese ausgeschlossen wird.
[0117] In Schritt S32 wird dann überprüft, ob für das in der Schleife aktuelle hypothetische
Objekt zuzuordnende Segmente vorhanden sind.
[0118] Ist dies nicht der Fall, werden in Schritt S34 die Objekthypothese einschließlich
aller ihr zugeordneten hypothetischen Objekte sowie alle anderen Objekthypothesen,
die das Objekt enthalten, gelöscht. Wie in Fig. 2 ersichtlich, können nur der Objekthypothese
mit zwei Motorrädern die Segmente 106 und 108 sowie bei Zuordnung nur eines der Segmente
106 oder 108 zu einem Objekt der Klasse Personenkraftwagen der Objekthypothese mit
einem Personenkraftwagen zugeordnet werden. Die anderen Objekthypothesen werden dementsprechend
gelöscht.
[0119] In Schritt S36 werden dann alle Hypothesenwahrscheinlichkeiten für die nach der Löschung
verbliebenen Objekthypothesen neu bestimmt. Dies sind jeweils diejenigen Objekthypothesen,
die aus derselben Segmentteilmenge gebildet wurden wie die gelöschte Objekthypothese.
[0120] Anderenfalls wird in Schritt S38 geprüft, ob ein Objekt eine Konsistenzbedingung
verletzt. Hierbei wird insbesondere geprüft, ob die Geschwindigkeit eines Objekts
oberhalb der objektklassenspezifischen Maximalgeschwindigkeit liegt.
[0121] Dies wird am Beispiel der Segmente im Bereich des Lastkraftwagens 16 illustriert.
Wie in Fig. 2 gezeigt, ist grundsätzlich eine Zuordnung von Segmenten für die Objekthypothese
mit Objekten der Objektklasse Personen wie auch eine Zuordnung von Segmenten für die
Objekthypothese mit einem Objekt der Objektklasse Lastkraftwagen möglich. Durch Überwachung
der Geschwindigkeit der entsprechenden Objekte ergibt sich, daß die Geschwindigkeit
der Personen oberhalb einer für diese Objektklasse spezifischen maximalen Geschwindigkeit
von 10 km/h läge, so daß schon für das erste hypothetische Objekt der Objektklasse
Person in Schritt S40 die gesamte Objekthypothese einschließlich aller anderen hypothetischen
Objekte der Objektklasse Person gelöscht wird.
[0122] Für die Objekthypothese, die das Objekt der Klasse Lastkraftwagen enthält, wird dagegen
in Schritt S44 ein Schätzwert für die Zustandsvariablen bestimmt, indem zunächst ein
Meßwert für die Lage des Schwerpunktes der entsprechenden Objektbox aus den Koordinaten
der Bildpunkte der dem Objekt zugeordneten Segmente ermittelt wird und dann anhand
des Meßwerts und des prädizierten Werts der Zustandsvariablen mittels des Kalman-Filters
der Schätzwert der Zustandsvariablen für die Position bestimmt wird.
[0123] Weiterhin wird in diesem Schritt eine Objektgüte des betrachteten Objekts bestimmt,
die sich aus dem Verhältnis der Anzahl der für das Objekt erfaßten Bildpunkte zu der
maximalen Anzahl der Bildpunkte, die von dem Laserscanner 12 in dieser Lage des Objekts
erfaßbar sind, ergibt.
[0124] Nach Durchführung dieser Schritte werden in Schritt S46 für alle Objekthypothesen,
die durch Betrachtung derselben Segmentteilmenge gebildet wurden, die Hypothesenwahrscheinlichkeiten
aktualisiert. Dazu werden für jede Objekthypothese Mittelwerte der Objektgüten der
der Objekthypothese entsprechenden Objekte gebildet und die Hypothesenwahrscheinlichkeiten
entsprechend dieser Mittelwerte neu bestimmt.
[0125] Danach wird in den Schritten S48 bis S56 geprüft, ob Objekthypothesen verworfen werden
oder Objekte einer Objekthypothese in eindeutig erkannte Objekte umgewandelt werden.
[0126] Dazu wird in Schritt S48 geprüft, ob eine Hypothesenwahrscheinlichkeit oberhalb eines
Mindestwertes, im Beispiel fünf Prozent, liegt.
[0127] Ist dies nicht der Fall, wird die entsprechende Objekthypothese einschließlich aller
ihrer hypothetischen Objekte in Schritt S50 gelöscht, woraufhin in Schritt S52 die
Hypothesenwahrscheinlichkeiten der verbliebenen Objekthypothesen, die aus derselben
Segmentteilmenge gebildet wurden, neu normiert werden.
[0128] Andernfalls wird in Schritt S54 geprüft, ob die Hypothesenwahrscheinlichkeit einer
Objekthypothese oberhalb eines Mindestwertes für als eindeutig erkannt einzustufende
Objekte, im Beispiel 95 Prozent, liegt. Ist dies der Fall, wird in Schritt S56 die
Objekthypothese gelöscht, wobei die entsprechenden hypothetischen Objekte in eindeutig
erkannte Objekte umgewandelt werden.
[0129] Schließlich wird in Schritt S58 jeweils geprüft, ob eine der neuen Objekthypothesen
mit einer der bisherigen Objekthypothesen übereinstimmt. Eine solche Übereinstimmung
wird festgestellt, wenn die hypothetischen Objekte beider Objekthypothesen sowohl
in ihrer Anzahl, als auch in ihrer Klasse und der Lage ihres Schwerpunktes übereinstimmen,
wobei die Lagen der Schwerpunkte sich um einen vorgegebenen Mindestabstand unterscheiden
können, der beispielsweise etwa der minimalen Ausdehnung eines Objekts dieser Klasse
entspricht. Eine mit einer bisherigen Objekthypothese übereinstimmende neue Objekthypothese
wird gelöscht, woraufhin wieder die Hypothesenwahrscheinlichkeiten der neuen Objekthypothesen,
die aus derselben Segmentteilmenge hervorgegangen sind, aktualisiert werden.
[0130] In Schritt S60 werden dann für alle Objekte die Objektdaten, im Beispiel die Positionen
der Schwerpunkte und die Geschwindigkeiten der Objekte, ausgegeben bzw. gespeichert.
[0131] Bei einer anderen bevorzugten Ausführungsform der Erfindung läuft das erfindungsgemäße
Verfahren ganz analog zu dem oben geschilderten Verfahren ab, wobei jedoch im Unterschied
zu dem oben geschilderten Verfahren bei dieser Ausführungsform Objekthypothesen gebildet
werden, die genau ein hypothetisches Objekt enthalten und deren Hypothesenwahrscheinlichkeiten
unabhängig voneinander bestimmt werden.
[0132] Die Bildung dieser Objekthypothesen in Schritt S24 kann dabei analog zur der Bildung
der hypothetischen Objekte bei dem oben geschilderten Ausführungsbeispiel erfolgen,
wobei jedoch jede Objekthypothese und damit jedes hypothetische Objekt einzeln eine
aus einem Gütewert der entsprechenden Messung bestimmte Hypothesenwahrscheinlichkeit
erhält, die unabhängig von den Hypothesenwahrscheinlichkeiten anderer Hypothesen ist.
Der Gütewert wird unter Verwendung der Anzahl der in der entsprechenden Objektbox
liegenden Bildpunkte und der in der gegebenen Lage der Objektbox maximal möglichen
Anzahl von Bildpunkten bestimmt.
[0133] Die Schleife S26 wird nur einmal durchlaufen, da jede Objekthypothese nur ein hypothetisches
Objekt hat. Sie, aber nicht die Schritte in ihr kann daher entfallen.
[0134] Die Schritte S28 bis S32 werden analog ausgeführt. Wird in Schritt S32 erkannt, daß
kein zuzuordnendes Segment vorhanden ist, wird in dem modifizierten Schritt S34 nur
die Objekthypothese gelöscht. Wegen der Unabhängigkeit der Objekthypothesen voneinander
kann Schritt S36 entfallen.
[0135] Entsprechendes gilt für den Zweig mit den Schritten S40 und S42, der bei Nichterfüllung
der Konsistenzbedingung in Schritt S38 durchlaufen wird. Schritt S44 bleibt unverändert.
[0136] In Schritt S46 werden nun die Hypothesenwahrscheinlichkeiten unter Verwendung der
in Schritt S44 bestimmten Objektgüten unabhängig voneinander aktualisiert.
[0137] Die folgenden Schritt S46 bis S58 werden analog durchlaufen, wobei Schritt S52 wie
Schritt S36 und Schritt S42 entfallen kann, da die Hypothesenwahrscheinlichkeiten
unabhängig voneinander aktualisiert werden. Schritt S60 bleibt unverändert.
[0138] Das erfindungsgemäße Verfahren nach der eben beschriebenen Ausführungsform der Erfindung
unterscheidet sich von dem nach der ersten Ausführungsform also dadurch, daß die Objekthypothesen
nur für einzelne Objekte gebildet werden, deren Hypothesenwahrscheinlichkeiten in
diesem Ausführungsbeispiel unabhängig voneinander im wesentlichen in Abhängigkeit
von der Objektgüte des hypothetischen Objekts bestimmt werden.
Bezugszeichenliste
[0139]
- 10
- Fahrzeug
- 12
- Laserscanner
- 14
- Sichtbereich
- 16
- Lastkraftwagen
- 17
- Motorrad
- 18
- Motorrad
- 20
- Strahlungsbündel
- 22 bis 44
- Gegenstandspunkt
- 45
- Datenverarbeitungseinrichtung
- 46 bis 68
- Segment
- 70 bis 100
- Objektbox
- 102
- Gegenstandspunkte
- 104
- Gegenstandspunkte
- 106
- Segment
- 108
- Segment
1. Verfahren zur Erkennung und Verfolgung von Objekten auf der Basis von von einem Sensor,
insbesondere einem Laserscanner (12), erfaßten, bevorzugt geschwindigkeits- oder tiefenaufgelösten,
Bildpunkte (22 bis 44, 104) enthaltenden Bildern von Gegenständen (16, 17, 18) in
einem Sichtbereich (14) des Sensors (12), bei dem die Erkennung und Verfolgung unter
Verwendung von den Objekten zugeordneten Modellen für die zeitliche Entwicklung von
Zustandsvariablen erfolgt, die jeweils einen zeitlich veränderlichen Zustand des Objekts
beschreiben und Zustandsvariablen zur Bestimmung wenigstens einer sensorspezifischen
Eigenschaft des jeweiligen Objekts umfassen,
- aus den Bildpunkten (22 bis 44, 104) des aktuellen Bildes Segmente (46 bis 68, 102)
gebildet werden, die jeweils einen einzelnen Bildpunkt oder eine Menge aller Bildpunkte
umfassen, von denen jeweils mindestens zwei entsprechend wenigstens einem Segmentierungskriterium
als dem Segment zugehörig definiert werden, und die untereinander keine gemeinsamen
Bildpunkte aufweisen,
- eine Zuordnung von Segmenten (46 bis 68, 102) eines aktuellen Bildes zu Objekten
erfolgt, und
- abhängig von der Lage der Bildpunkte (22 bis 44, 104) in den Segmenten (46 bis 68,
102) und von dem Modell Schätzwerte der Zustandsvariablen zur Bestimmung der sensorspezifischen
Eigenschaften der jeweiligen Objekte ermittelt werden,
dadurch gekennzeichnet,
daß aus verfügbaren Segmenten (46 bis 68, 102) hypothetische Objekte gebildet werden,
denen eine Wahrscheinlichkeit für die Existenz eines dem hypothetischen Objekt entsprechenden
Gegenstands (16, 17, 18) zugeordnet wird und für die in wenigstens einer folgenden
Iteration des Verfahrens eine Erkennung und Verfolgung sowie eine Aktualisierung der
Wahrscheinlichkeit durchgeführt wird.
2. Verfahren nach Anspruch 1,
dadurch gekennzeichnet,
daß hypothetische Objekte verworfen werden, wenn deren Wahrscheinlichkeit eine erste
Mindestwahrscheinlichkeit unterschreitet.
3. Verfahren nach Anspruch 1 oder 2,
dadurch gekennzeichnet,
daß hypothetische Objekte als eindeutig erkannte Objekte behandelt werden, wenn deren
Wahrscheinlichkeit eine zweite Mindestwahrscheinlichkeit überschreitet.
4. Verfahren nach Anspruch 3,
dadurch gekennzeichnet,
daß die verfügbaren Segmente nur die Segmente (46 bis 68, 102) eines Bildes sind, die
keinen eindeutig erkannten Objekten zugeordnet werden können.
5. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet,
daß für Segmentteilmengen in der Menge aller verfügbaren Segmente (46 bis 68, 102) jeweils
mindestens eine Objekthypothese gebildet wird, die wenigstens ein hypothetisches Objekt
umfaßt, und
daß der Objekthypothese eine Hypothesenwahrscheinlichkeit zugewiesen wird, wobei die
Hypothesenwahrscheinlichkeiten bei wenigstens einem folgenden Iterationsschritt aktualisiert
werden und die Summe der Hypothesenwahrscheinlichkeiten der Objekthypothesen für eine
Segmentteilmenge Eins ist.
6. Verfahren nach einem der Ansprüche 1 bis 4,
dadurch gekennzeichnet,
daß für Segmentteilmengen in der Menge aller verfügbaren Segmente (46 bis 68, 102) jeweils
mindestens eine Objekthypothese gebildet wird, die genau ein hypothetisches Objekt
umfaßt, und
daß der Objekthypothese eine Hypothesenwahrscheinlichkeit zugewiesen wird, die bei wenigstens
einem folgenden Iterationsschritt aktualisiert wird.
7. Verfahren nach Anspruch 5 oder 6,
dadurch gekennzeichnet,
daß für jede Segmentteilmenge in der Menge aller verfügbaren Segmente (46 bis 68, 102),
die wenigstens einem vorgegebenen Hypothesenbildungskriterium entspricht, Objekthypothesen
gebildet werden.
8. Verfahren nach Anspruch 7,
dadurch gekennzeichnet,
daß als Hypothesenbildungskriterium verwendet wird, daß jeweils mindestens zwei Segmente
der Segmentteilmenge einen Abstand voneinander aufweisen, der einen vorgegebenen Mindestabstand
unterschreitet.
9. Verfahren nach einem der Ansprüche 5 bis 8,
dadurch gekennzeichnet,
daß Objekthypothesen verworfen werden, wenn deren Hypothesenwahrscheinlichkeit eine dritte
Mindestwahrscheinlichkeit unterschreitet oder eines ihrer hypothetischen Objekte verworfen
wird.
10. Verfahren nach einem der Ansprüche 5 bis 9,
dadurch gekennzeichnet,
daß die hypothetischen Objekte einer Objekthypothese als eindeutig erkannte Objekte behandelt,
die Objekthypothese gestrichen wird, wenn die Wahrscheinlichkeit der Objekthypothese
eine vierte Mindestwahrscheinlichkeit überschreitet.
11. Verfahren nach Anspruch 5 und 11,
dadurch gekennzeichnet,
daß alle anderen Objekthypothesen, die aus derselben Segmentteilmenge wie die gestrichene
Objekthypothese gebildet wurden, verworfen werden.
12. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet,
daß die Wahrscheinlichkeiten und/oder Hypothesenwahrscheinlichkeiten durch Heuristiken
bestimmt werden.
13. Verfahren nach einem der Ansprüche 5 bis 12,
dadurch gekennzeichnet,
daß in dem Fall, daß wenigstens ein hypothetisches Objekt einer Objekthypothese wenigstens
ein vorgegebenes Konsistenzkriterium nicht erfüllt, die Objekthypothese verworfen
wird.
14. Verfahren nach Anspruch 13 und Anspruch 5,
dadurch gekennzeichnet,
daß alle anderen Objekthypothesen, die ein mit dem hypothetischen Objekt, das das vorgegebenes
Konsistenzkriterium nicht erfüllt, übereinstimmendes hypothetisches Objekt aufweisen,
verworfen wird.
15. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet,
daß zur Klassifizierung von Objekten mehrere Objektklassen vorgesehen werden, die wenigstens
eine Eigenschaft von Objekten betreffen, die aus wenigstens einem der tiefenaufgelösten
Bilder bestimmbar ist,
daß allen Objekten als Eigenschaft eine der Objektklassen zugeordnet ist, wobei die Zuordnung
von Objektklassen zu hypothetischen Objekten bei deren Bildung erfolgt und die Hypothese
ein Annahme über die Zuordnung einer Objektklasse umfaßt.
16. Verfahren nach einem der Ansprüche 13 bis 15,
dadurch gekennzeichnet,
daß das Konsistenzkriterium eine durch die Objektklasse erfaßte Eigenschaft betrifft.
17. Verfahren nach Anspruch 15 oder 16,
dadurch gekennzeichnet,
daß eine Objektklasse eine Häufigkeitsverteilung für eine aus einem oder mehreren Bildern
bestimmbare Eigenschaft der durch Objekte der Objektklasse dargestellten Gegenstände
aufweist, in einem aktuellen Iterationsschritt für ein Objekt der Objektklasse die
Eigenschaft bestimmt wird, und die Hypothesenwahrscheinlichkeit einer Objekthypothese,
die das Objekt enthält, in Abhängigkeit von der bestimmten Eigenschaft und von der
Häufigkeitsverteilung für die Eigenschaft bestimmt wird.
18. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet,
daß jedem Objekt eine Objektbox (70 bis 100) zugeordnet ist, die eine Ausdehnung des
Objekts in der Bildebene darstellt, deren Form und Größe von der dem Objekt zugeordneten
Objektklasse abhängt und die hinsichtlich Form und Größe dem durch das Objekt dargestellten
Gegenstand entspricht, und
daß ein Segment (46 bis 68, 102) einem Objekt zugeordnet wird, wenn die Objektbox (70
bis 100) durch entsprechende Positionierung das Segment (46 bis 68, 102) enthält.
19. Verfahren nach Anspruch 18,
dadurch gekennzeichnet,
daß in Abhängigkeit von der Lage der Bildpunkte (22 bis 44, 104) in der Objektbox (70
bis 100) und/oder der Anzahl der Bildpunkte (22 bis 44, 104) in der Objektbox (70
bis 100) eine Objektgüte bestimmt wird, und
daß die Hypothesenwahrscheinlichkeit einer Hypothese oder Objekthypothese in Abhängigkeit
von der Objektgüte des oder der hypothetischen Objekte bestimmt wird.
20. Verfahren nach Anspruch 19,
dadurch gekennzeichnet,
daß zur Bestimmung der Objektgüte die Anzahl der Bildpunkte in der Objektbox (70 bis
100) verwendet wird,
daß vor der Bestimmung der Objektgüte überprüft wird, ob ein Teil des durch das hypothetische
Objekt dargestellten Gegenstands (16, 17, 18) durch einen anderen, zwischen dem Sensor
(12) und dem Gegenstand (16, 17, 18) liegenden Gegenstand verdeckt wird, und daß bei
der Bestimmung der Objektgüte die Anzahl der durch die Verdeckung ausgeblendeten Bildpunkte
in der Objektbox (70 bis 100) berücksichtigt wird.
21. Verfahren nach einem der vorhergehenden Ansprüche,
dadurch gekennzeichnet,
daß eine Objektgüte in Abhängigkeit von den minimalen Abständen zwischen in der Objektbox
(70 bis 100) liegenden Bildpunkten (22 bis 44, 104) und dem Rand der Objektbox (70
bis 100) und von der Anzahl der in der Objektbox (70 bis 100) liegenden Bildpunkte
(22 bis 44, 104) bestimmt wird, und
daß die Hypothesenwahrscheinlichkeit einer Hypothese oder Objekthypothese in Abhängigkeit
von der Objektgüte des oder der hypothetischen Objekte bestimmt wird.
22. Computerprogramm mit Programmcode-Mitteln, um das Verfahren nach einem der Ansprüche
1 bis 21 durchzuführen, wenn das Programm auf einem Computer ausgeführt wird.
23. Computerprogrammprodukt mit Programmcode-Mitteln, die auf einem computerlesbaren Datenträger
gespeichert sind, um das Verfahren nach einem der Ansprüche 1 bis 21 durchzuführen,
wenn das Computerprogrammprodukt auf einem Computer ausgeführt wird.
24. Vorrichtung zur Erkennung und Verfolgung von Objekten mit mindestens einem zur Erfassung
bevorzugt geschwindigkeits- oder tiefenaufgelöster Bilder eines Überwachungsbereichs
(14) ausgebildeten Sensor insbesondere einem Laserscanner (12), und mit einer Datenverarbeitungseinrichtung
(45), die zur Durchführung des Verfahrens nach einem der Ansprüche 1 bis 21 ausgebildet
ist.